DAFTAR ISI DETEKSI POLA SEBARAN TITIK SPASIAL SECARA REGULER MELALUI PENELUSURAN FUNGSI MASSA PELUANG, METODE KUADRAN DAN TETANGGA TERDEKAT

Ukuran: px
Mulai penontonan dengan halaman:

Download "DAFTAR ISI DETEKSI POLA SEBARAN TITIK SPASIAL SECARA REGULER MELALUI PENELUSURAN FUNGSI MASSA PELUANG, METODE KUADRAN DAN TETANGGA TERDEKAT"

Transkripsi

1 DAFTAR ISI BAB 1. DETEKSI POLA SEBARAN TITIK SPASIAL SECARA REGULER MELALUI PENELUSURAN FUNGSI MASSA PELUANG, METODE KUADRAN DAN TETANGGA TERDEKAT 1-1 Disampaikan dalam Seminar Nasional Sain II di IPB-Bogor 14 November 2009 ISBN : RINGKASAN 1.1 Pendahuluan Tinjauan Pustaka Metode Hasil dan Pembahasan Kesimpulan Daftar Pustaka 1-9 BAB 2. PERBANDINGAN DETEKSI POLA SEBARAN TITIK 2-1 SPASIAL SECARA ACAK DENGAN METODE KUADRAN DAN TETANGGA TERDEKAT Disampaikan dalam Seminar Nasional Statistika ke 9 SNS IX di Kampus ITS Sukolilo Surabaya RINGKASAN Pendahuluan Tinjauan Pustaka Metode Hasil dan Pembahasan Kesimpulan Daftar Pustaka 2-9 BAB 3.. FUNGSI MASSA PELUANG PADA POLA TITIK 3-1 SPASIAL KELOMPOK SERTA FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN Diterbitkan di Forum Statistika dan Komputasi Vol 14 No.1 April 2009, ISSN : RINGKASAN Pendahuluan Tinjuan Pustaka 3-2 iv

2 3.3. Metode Penelitian Hasil dan Pembahasan Kesimpulan Daftar Pustaka 3-10 BAB 4. PENGERTIAN DAN STATISTIK UKUR Pengertian Contoh Perhitungan Kelemahan Metode Kuadran Uji Kebaikan Suai Khi-Kuadrat Metode Tetangga Terdekat Daftar Pustaka 4-15 BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG Pendahuluan Distribusi Spasial untuk Acak/Random, Regular dan 5-1 Kelompok 5.3 Dispersi Spasial Acak/Random : Distribusi Poisson Dispersi Spasial Reguler: Distribusi Binomial Dispersi Spasial Kelompok : Distribusi Binomial Negatif Daftar Pustaka 5-7 BAB 6. PENDUGAAN PARAMETER Pendahuluan Penduga Momen Penduga Maksimum Likelihood Sebaran Poisson Sebaran Binomial Sebaran Binomial Negatif Sebaran Neyman Type A Sebaran Poisson-Binomial Sebaran Poisson-Binomial Negatif Contoh Kuadran dan Cacah Kuadran Contoh Kasus , Daftar Pustaka 6-30 BAB 7 DISTRIBUSI COMPOUND DAN GENERALIZED 7-1 SPASIAL 7.1. Pendahuluan Definisi dan Notasi Sebaran Compound Poisson 7-3 v

3 7.4. Sebaran Generalized Poisson Sebaran Compound dan Generalized lainnya Contoh Kasus Daftar Pustaka 7-11 BAB 8 SEBARAN DUA TITIK ATAU LEBIH Metode Kuadran Metode Silang Tetangga Terdekat Kasus Anak Kekurang Gizi dengan Ibu Kekurangan Gizi Daftar Pustaka 8-13 BAB 9 ASOSIASI ANTARA BEBERAPA HIMPUNAN TITIK 9-1 DALAM RUANG (STUDI KASUS) AMAN ABADI, DESI KURNIA, DWI NABILAH LESTARI, LILI PUSPITA RAHAYU, VIARTI EMINITA, TIA FITRIA SAUMI, TUTI PURWANINGSIH, LENI MARLENA, SHIDDIG ARDHI IRAWAN, NURUL RAHMAWATI, MARTA SUNDARI, FITRIA MUDIA SARI, MUHAMMAD JAJULI, CHARLES MONGI, DWI YUNITASARI, FITRIAH ULFAH, RIFAN KURNIA, DAN 9.1. Tujuan Data Metodologi Proses Perhitungan Hasil Kesimpulan Daftar Pustaka 9.24 vi

4 DAFTAR GAMBAR 1.1 Kuadran dari Reguler Sempurna, Pola Acak Titik dan Pola 1-2 Titik Bergerombol Sempurna 1.2. Posisi Titik Hasil Simulasi dengan Sebaran Peluang 1-6 Binomial 1.3. Sekatan Wilayah Sebaran Titik Spasial Pola Titik secara Spasial Kuadran dari Reguler Sempurna, Pola Acak Titik dan Pola 2-3 Titik Bergerombol Sempurna 2.3. Posisi Titik Hasil Simulasi dengan Sebaran Peluang Poisson Sekatan Wilayah Sebaran Titik Spasial Sebaran Titik Spasial Kelompok dengan Ukuran Gridnya Pola Hubungan antara Banyaknya Grid dengan Nilai VMR 3-9 pada Sebaran Spasial Kelompoj 3.3. Ploting Hasil Regresi dengan Data Pengamatan VMR Kuadran dari Sebaran Titik pada Reguler Sempurna, Pola 4-3 Acak dan Pola Gerombol Sempurna 4.2 Konfigurasi Penderita Aid di 10 Wilayah Konfigurasi Kedua Penderita Aidi di 10 Wilayah Konfigurasi Ketiga Penderita Aidi di 10 Wilayah Konfigurasi Keberadaan Pabrik Penghasil Limbah B3 di Kecamatan di Banten 4.6. Dua Konfifurasi yang Berbeda, Hasil Perhitungan Kuadran 4-11 Sama 6.1. Efisiensi dari Metode Penduga Momen k untuk Sebaran 6-10 Binomial Negatif 7.1. Konfigurasi Titik Kerawanan Kecelakaan Sebaran Lokasi Penduduk Terkena Kolera dan Sumber Air Sebaran Penduduk Terkena Kanker Paru dan Kanker 8-2 Tenggorokan 8.3. Sebaran Dua Himpunan Titik Proses Perhitungan Jarak dengan Metode Silang Tetangga 8-7 Terdekat 9.1. Diagram Seleksi Spesies Berdasarkan Keberadaan Tempat 9-19 Tinggalnya 9.3. Diagram Seleksi Daerah Berdasarkan Keberadaan Jenis 9-20 Spesiesnnya 9.4. Diagram Alur Kedekatan Spesies antara Spesies dengan Habitatnya 9-21 vii

5 DAFTAR TABEL 1.1. Posisi Titik (X,Y) Hasil Simulasi dengan Sebaran Peluang 1-6 Binomial 1.2. Hasil Analisis Kuadran Posisi Titik (X,Y) Hasil Simulasi dengan Sebaran Peluang 2-7 Poisson 2.2. Hasil Analisis Kuadran Hubungan antara Ukuran Kuadran, Rata-Rata, Ragam dan 3-8 VMR 6.1. Efisiensi Penduga Parameter untuk Metde Momen dan 6-10 Maksimum Likelihood 6.2. Observasi dan Sebaran Kuadran Harapan dari Simulasi 6-18 Sebaran Momen dan Kemungkinan Maksimum dari Model Poisson dan Binomial 6.3. Perbandingan Hsil Sebaran Frekuensi Observasi 6-24 Menggunakan Contoh Kuadran dan Cacah Kuadran 6.4. Perbandingan untuk Pendugaan Parameter yang Dihasilkan 6-24 oleh Contoh Kuadran dan Cacah Kuadran 6.5. Banyaknya Kotak yang Berisi Jumlah Pasar di Wilayah 6-26 Jakarta, Bogor, Depok, Tanggerang dan Bekasi 6.6. Perbandingan Uji Khi-Kuadrat untuk Sebaran Poisson dan 6-27 Binomial dengan alpha 3 % 6.7. Perbandingan Uji Khi-Kuadrat untuk Sebaran Poisson dan 6-28 Binomial dengan alpha 5 % 6.8. Frekuensi Harapan dari Sebaran Poisson Rumah Sakit di 6-29 DKI Jakarta 6.9. Frekuensi Harapan dari Sebaran Binomial Rumah Sakit di 6-30 DKI Jakarta 7.1. Perhitungan Sebaran Poisson dan Binomial Sebaran Jumlah Ibu dan Anak yang Kekurangan Gizi Keberadaan Spesies Burung dari 20 Daerah yang Berbeda Bentuk Relasi Spesies A dan B Nilai Khi-Kuadrat Daerah untuk Semua Spesies Kelompok Daerah dengan Spesies F di Nilai Khi-Kuadrat Daerah dengan Spesies F di Nilai Khi-Kuadrat Daerah dengan Tidak Ada Spesies F di Nilai Khi- Kuadrat Daerah dengan Spesies F dan D di Nilai Khi-Kuadrat Daerah dengan Spesies F di namun Tidak Terdapat Spesies D 9-8 viii

6 9.9. Nilai Khi-Kuadrat Daerah dengan Tidak Ada Spesies F Namun Terdapat Spesies A di Nilai Khi-Kuadrat Daerah dengan Tidak Ada Spesies F dan Tidak ada Spesies A di Nilai Khi-Kuadrat Daerah dengan Spesies F, D, dan E di Nilai Khi-Kuadrat Daerah dengan Spesies F dan D namun Tanpa Spesies E di Nilai Khi-Kuadrat Daerah Tanpa Spesies F namun Terdapat Spesies A dan E di 9.14 Nilai Khi-Kuadrat Daerah Tanpa Spesies F dan E namun Terdapat Spesies A di Nilai Khi-Kuadraat Daerah Tanpa Spesis F dan A namun Terdapat Spesies D dan G di Nilai Khi-Kuadrat Daerah Tanpa Spesies F, A, D, dan G di Nilai Khi-Kuadrat Daerah Spesies F, D, E dan G di 9.18 Nilai Khi-Kuadrat Daerah Spesies F, D, E, dan Tanpa Spesies G di Nilai Khi-Kuadrat Daerah Tanpa Spesies F namun Terdapat Spesies A, C, E dan G di Nilai Khi-Kuadrat Daerah Tanpa Spesies F, C, dan G namun Terdapat Spesies A dan E di Nilai Khi-Kuadrat Daerah Tanpa Spesies F dan E namun Terdapat Spesies A dan G di Nilai Khi-Kuadrat Daerah Tanpa Spesies F dan E namun Terdapat Spesies A dan G di Nilai Khi-Kuadrat Daerah Spesies F, D, E, dan H namun Tidak Terdapat Spesies G di Nilai Khi Kuadrar Daerah Spesies F, D, dan E namun Tidak Terdapat Spesies G dan H di ix

BAB 9 ASOSIASI ANTARA BEBERAPA HIMPUNAN TITIK DALAM RUANG (STUDI KASUS)

BAB 9 ASOSIASI ANTARA BEBERAPA HIMPUNAN TITIK DALAM RUANG (STUDI KASUS) BAB 9 ASOSIASI ANTARA BEBERAPA HIMPUNAN TITIK DALAM RUANG (STUDI KASUS) AMAN ABADI, DESI KURNIA, DWI NABILAH LESTARI, LILI PUSPITA RAHAYU, VIARTI EMINITA, TIA FITRIA SAUMI, TUTI PURWANINGSIH, LENI MARLENA,

Lebih terperinci

KONFIGURASI TITIK DALAM RUANG KAJIAN TEORETIS, SIMULASI DAN KASUS

KONFIGURASI TITIK DALAM RUANG KAJIAN TEORETIS, SIMULASI DAN KASUS KONFIGURASI TITIK DALAM RUANG KAJIAN TEORETIS, SIMULASI DAN KASUS DEPARTEMEN STATISTIKA INSTITUT PERTANIAN BOGOR 2013 Konfigurasi Titik dalam Ruang KATA PENGANTAR Kehidupan manusia maupun mahluk hidup

Lebih terperinci

BAB 4 PENGERTIAN DAN STATISTIK UKUR Muhammad Nur Aidi

BAB 4 PENGERTIAN DAN STATISTIK UKUR Muhammad Nur Aidi BAB 4 PENGERTIAN DAN STATISTIK UKUR Muhammad Nur Aidi 4.1. Pengertian Kehidupan dan kegiatan makhluk hidup berada di setiap ruang di muka bumi. Banyak persoalan yang dapat timbul terkait ruang, salah satunya

Lebih terperinci

BAB 8. SEBARAN DUA TIITIK ATAU LEBIH Muhammad Nur Aidi

BAB 8. SEBARAN DUA TIITIK ATAU LEBIH Muhammad Nur Aidi BAB 8 SEBARAN DUA TIITIK ATAU LEBIH Muhammad Nur Aidi Pada pembiaraan sebelumnya kita membahas sebarang satu jenis/tipe titik dalam ruang. Pembahasan pada topik tersebut mendeteksi apakah titik-titik tersebut

Lebih terperinci

II ISBN : RINGKASAN

II ISBN : RINGKASAN BAB 1 DETEKSI POLA SEBARAN TITIK SPASIAL SECARA REGULER MELALUI PENELUSURAN FUNGSI MASSA PELUANG, METODE KUADRAN DAN TETANGGA TERDEKAT MUHAMMAD NUR AIDI* (*Dosen Statistika IPB) Disampaikan Dalam Seminar

Lebih terperinci

BAB 6 PENDUGAAN PARAMETER MUHAMMAD NUR AIDI

BAB 6 PENDUGAAN PARAMETER MUHAMMAD NUR AIDI BAB 6 PENDUGAAN PARAMETER MUHAMMAD NUR AIDI 6.1 Pendahuluan Analisis dengan metode kuadran memiliki dua pendekatan teori: Deduktif dan Induktif. Pendekatan deduktif diawali dengan adanya data empirik kemudian

Lebih terperinci

BAB 3 FUNGSI MASSA PELUANG PADA POLA TITIK SPASIAL KELOMPOK SERTA FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN

BAB 3 FUNGSI MASSA PELUANG PADA POLA TITIK SPASIAL KELOMPOK SERTA FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN BAB 3 FUNGSI MASSA PELUANG PADA POLA TITIK SPASIAL KELOMPOK SERTA FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN MUHAMMAD NUR AIDI* Departemen Statistika IPB E-mail :nuraidi@yahoo.com Diterbitkan

Lebih terperinci

FUNGSI MASSA PELUANG PADA POLA TITIK SPASIAL KELOMPOK DAN FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN

FUNGSI MASSA PELUANG PADA POLA TITIK SPASIAL KELOMPOK DAN FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN , April 2009 p : 16-21 ISSN : 0853-8115 Vol 14 No.1 FUNGSI MASSA PELUANG PADA POLA TITIK SPASIAL KELOMPOK DAN FUNGSI STATISTIK VMR TERHADAP PERUBAHAN UKURAN KUADRAN Muhammad Nur Aidi Departemen Statistika

Lebih terperinci

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI 7.1. Pendahuluan BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI Pada bab sebelumnya, penyebaran spatial (konfigurasi spasial) dimana ditunjukan sebagai ragam sampel quadran. Bab ini

Lebih terperinci

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika

Lebih terperinci

TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk

TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk 5 TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk Gizi buruk adalah keadaan kurang zat gizi tingkat berat yang disebabkan oleh rendahnya konsumsi energi dan protein dalam waktu cukup lama yang ditandai dengan

Lebih terperinci

KONSEP DASAR TERKAIT METODE BAYES

KONSEP DASAR TERKAIT METODE BAYES KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan

Lebih terperinci

SEJARAH DISTRIBUSI POISSON

SEJARAH DISTRIBUSI POISSON SEJARAH DISTRIBUSI POISSON Distribusi poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukanolehs.d. Poisson (1781 1841), 1841), seorang ahli matematika berkebangsaan Perancis. Distribusi

Lebih terperinci

BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI

BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI 5.1. Pendahuluan Untuk mendeteksi bagaimana konfigurasi titik dalam ruang apakah bersifat acak atau random, regular, ataupun cluster (kelompok); pertama-tama

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD

ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 19 HASIL DAN PEMBAHASAN Deskripsi Data Secara umum, wilayah Jawa Timur dapat dibagi menjadi 2 bagian besar, yaitu Jawa Timur daratan dan Kepulauan Madura. Luas wilayah Jawa Timur daratan hampir mencakup

Lebih terperinci

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN 1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code

Lebih terperinci

DATA DAN METODE Sumber Data

DATA DAN METODE Sumber Data 14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi

Lebih terperinci

TINJAUAN PUSTAKA Perilaku Pemilih Partai Politik

TINJAUAN PUSTAKA Perilaku Pemilih Partai Politik 3 TINJAUAN PUSTAKA Perilaku Pemilih Agustino (2009) menyebutkan terdapat tiga pendekatan teori yang sering digunakan oleh banyak ahli politik untuk memahami perilaku pemilih diantaranya pendekatan sosiologis,

Lebih terperinci

BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON

BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal

Lebih terperinci

PROGRAM PASCASARJANA JNSTITUT PERTANIAN BOGOR

PROGRAM PASCASARJANA JNSTITUT PERTANIAN BOGOR RINGKASAN Nusar Hajarisman, 1998. Kajian Pei.ba~idingan Model Regresi Beta-Binomial dengan Model Regresi Logistik dan ~enera~)a'nn~a Untuk Menduga Pola Kelulusan Mahasiswa TPB-LPB. (Di bawah bimbiriga~i

Lebih terperinci

HASIL DAN PEMBAHASAN Model Regresi Poisson

HASIL DAN PEMBAHASAN Model Regresi Poisson HASIL DAN PEMBAHASAN Model Regresi Poisson Hubungan antara jumlah penderita DBD dan faktor-faktor yang mempengaruhinya dapat diketahui dengan menggunakan analisis regresi. Analisis regresi yang digunakan

Lebih terperinci

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA

Lebih terperinci

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah 1, Rochdi Wasono 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu

Lebih terperinci

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Bab 4 Peubah Acak Definisi 4. Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh 4. Jika Y adalah peubah acak banyaknya sisi muka yang muncul pada pelemparan tiga sisi

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi digunakan untuk mengetahui bentuk hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Umumnya analisis regresi yang digunakan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN AKIBAT DIFTERI DI PROVINSI JAWA TIMUR DENGAN REGRESI BINOMIAL NEGATIF DAN ZERO-INFLATED POISSON

PEMODELAN JUMLAH KEMATIAN AKIBAT DIFTERI DI PROVINSI JAWA TIMUR DENGAN REGRESI BINOMIAL NEGATIF DAN ZERO-INFLATED POISSON Prosiding Seminar Nasional Matematika, Universitas Jember, 9 November 04 0 PEMODELAN JUMLAH KEMATIAN AKIBAT DIFTERI DI PROVINSI JAWA TIMUR DENGAN REGRESI BINOMIAL NEGATIF DAN ZERO-INFLATED POISSON Nurul

Lebih terperinci

STK 203 TEORI STATISTIKA I

STK 203 TEORI STATISTIKA I STK 203 TEORI STATISTIKA I II. PEUBAH ACAK DISKRET II. Peubah Acak Diskret 1 PEUBAH ACAK DISKRET Definisi 2.1. (Peubah Acak) : Peubah Acak Y adalah suatu fungsi yang memetakan seluruh anggota ruang contoh

Lebih terperinci

6 Departemen Statistika FMIPA IPB

6 Departemen Statistika FMIPA IPB Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 6 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Kebaikan Suai Khi- Kuadrat untuk Sebaran Kontinu dan Uji

Lebih terperinci

BAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.

BAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi

Lebih terperinci

PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR

PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 215 S-5 Penerapan Hurdle Negative Binomial pada Data Tersensor Resa Septiani Pontoh, Defi

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika

Lebih terperinci

Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH

Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH 6 Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data Identifikasi model ARCH Pendugaan parameter dan pemilihan model ARCH/GARCH Uji pengaruh asimetrik

Lebih terperinci

KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.

KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP. TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.

Lebih terperinci

5 Departemen Statistika FMIPA IPB

5 Departemen Statistika FMIPA IPB Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 5 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Khi-Kuadrat Uji Kebebasan Uji Kehomogenen Uji Kebaikan

Lebih terperinci

HALAMAN PERSETUJUAN PEMBIMBING

HALAMAN PERSETUJUAN PEMBIMBING DAFTAR ISI HALAMAN JUDUL.... HALAMAN PERSETUJUAN PEMBIMBING..... HALAMAN PENGESAHAN TUGAS AKHIR..... HALAMAN PERSEMBAHAN.... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

Lebih terperinci

BAB 1 PENDAHULUAN. banyak lagi. Pernah kita mendengar pernyataan seperti: tiap bulan habis

BAB 1 PENDAHULUAN. banyak lagi. Pernah kita mendengar pernyataan seperti: tiap bulan habis BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tanpa disadari kita telah banyak menggunakan statistika. Melalui media informasi seperti, surat kabar, televisi, dunia pendidikan, dan masih

Lebih terperinci

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, yang menjadi perhatian seringkali bukan

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, yang menjadi perhatian seringkali bukan BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, yang menjadi perhatian seringkali bukan bagaimana suatu peristiwa itu terjadi, tetapi seberapa sering (banyaknya) peristiwa tersebut terjadi

Lebih terperinci

Program Studi Teknik Mesin S1

Program Studi Teknik Mesin S1 SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE / SKS : IT042238 / 2 SKS Program Studi Teknik Mesin S1 Pokok Bahasan Pertemuan dan TIU 1 Pendahuluan memahami tentang konsep statistik

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

A. Latar Belakang Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui

A. Latar Belakang Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui PENDAHULUAN A. Latar Belakang Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan sebab akibat antara peubah respon dengan peubah penjelas. Analisis regresi terbagi atas dua

Lebih terperinci

STATISTIKA FAI SKS

STATISTIKA FAI SKS STATISTIKA FAI 1201 3 SKS DESKRIPSI SINGKAT : Mata kuliah ini adalah mata kuliah yang mengajarkan tentang peranan statistika dalam teori probabilitas, aplikasi distribusi probabilitas diskrit, aplikasi

Lebih terperinci

HASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian.

HASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian. 6 6. Catat persentase salah klasifikasi dari hasil penggerombolan. 7. Ulangi langkah 2-6 sebanyak tiga puluh kali. HASIL DAN PEMBAHASAN Penentuan Lebar Jendela Fungsi Kernel Penentuan lebar jendela fungsi

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah Overdispersi dalam Model Regresi Logistik Multinomial Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan

Lebih terperinci

Metode Statistika (STK 211) Pertemuan ke-5

Metode Statistika (STK 211) Pertemuan ke-5 Metode Statistika (STK 211) Pertemuan ke-5 rrahmaanisa@apps.ipb.ac.id Memahami definisi dan aplikasi peubah acak (peubah acak sebagai fungsi, peubah acak diskrit dan kontinu) Memahami sebaran peubah acak

Lebih terperinci

PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1)

PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) Anang Kurnia Departemen Statistika FMIPA IPB Jl. Meranti, Wing 22 Level 4 Kampus IPB Darmaga, Bogor Email: anangk@ipb.ac.id

Lebih terperinci

Kegiatan Belajar 1 menerangkan konsep chi square. Kegiatan Belajar 2 menerangkan uji kepatutan (goodness of fit). Kegiatan Belajar 3 menerangkan tes

Kegiatan Belajar 1 menerangkan konsep chi square. Kegiatan Belajar 2 menerangkan uji kepatutan (goodness of fit). Kegiatan Belajar 3 menerangkan tes ix S Tinjauan Mata Kuliah tatistika merupakan ilmu yang sangat diperlukan di segala bidang. Kegunaannya untuk memecahkan suatu permasalahan dengan menggunakan analisis kuantitatif. Dengan berkembangnya

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi

Lebih terperinci

Teori Peluang Diskrit

Teori Peluang Diskrit Teori Peluang Diskrit Peluang Diskrit Apa yang terjadi jika keluaran dari suatu eksperimen tidak memiliki peluang yang sama? Dalam kasus ini, peluang p(s) dipadankan dengan setiap keluaran s S, di mana

Lebih terperinci

ESTIMASI FERTILITAS DENGAN MODEL COALE- TRUSSELL DAN APLIKASINYA TERHADAP DATA INDONESIA

ESTIMASI FERTILITAS DENGAN MODEL COALE- TRUSSELL DAN APLIKASINYA TERHADAP DATA INDONESIA ESTIMASI FERTILITAS DENGAN MODEL COALE- TRUSSELL DAN APLIKASINYA TERHADAP DATA INDONESIA A. RAMADHANI 1, H. SUMARNO 2, I W. MANGKU 3 Abstrak Model fertilitas Coale-Trussell merupakan salah satu metode

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Atiya Maulani, 2013

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Atiya Maulani, 2013 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, tidak jarang dihadapkan pada berbagai masalah yang berkaitan dengan dua atau lebih variabel dalam suatu bentuk hubungan tertentu

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(,

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(, 0 DISTRIBUSI NORMAL UMUM Distribusi normal umum ini merupakan distribusi dari peubah acak kontinu yang paling banyak sekali dipakai sebagai pendekatan yang baik dari distribusi lainnya dengan persyaratan

Lebih terperinci

STK 203 TEORI STATISTIKA I

STK 203 TEORI STATISTIKA I STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosiding Statistika ISSN: 2460-6456 Distribusi Binomial Negatif-Lindley pada Data Frekuensi Klaim Asuransi Kendaraan Bermotor di Indonesia Binomial Negative-Lindley Distribution in the Frequency Data

Lebih terperinci

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,

Lebih terperinci

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP

ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 41 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP DWI ANNISA FITRI Program Studi

Lebih terperinci

PENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB

PENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB PENYAJIAN DATA Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB Proses Pengumpulan Data???? Pencatatan Data Numerik Variable Record ID Nama Spesies Hasil Uji HI 1 Ahmad Ayam broiler

Lebih terperinci

Penerapan Hurdle Negative Binomial pada Data Tersensor

Penerapan Hurdle Negative Binomial pada Data Tersensor SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Hurdle Negative Binomial pada Data Tersensor S - 5 Resa Septiani Pontoh, Defi Yusti Faidah. Departemen Statistika FMIPA Universitas

Lebih terperinci

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

Lebih terperinci

PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis

PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta 55283 Telp: 0274-889398; Fax: 0274-889057; E-mail: info@grahailmu.co.id

Lebih terperinci

Kajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya

Kajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya JURNAL SAINS DAN SENI ITS Vol. 4, No.2, 2015 2337-3520 2301-928X Print A-67 Kajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya Marselly Dian Saputri, Farida Agustini Widjajati,

Lebih terperinci

PROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011

PROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011 (R.7) Model Regresi Poisson dan Model Spasial Otoregresif Poisson untuk Mendeteksi Faktor-Faktor yang Berpengaruh terhadap Jumlah Penderita Gizi Buruk di Provinsi Jawa Timur Siti Rohmah Rohimah 1, Muhammad

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MAGISTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MASTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I.

Lebih terperinci

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit

Lebih terperinci

Silabus dan Satuan Acara Perkuliahan

Silabus dan Satuan Acara Perkuliahan Fakultas Ekonomi No. Dokumen : FE-SSAP-S2-10 Program Studi S1 Akuntansi No. Revisi : 03 Silabus dan Satuan Acara Perkuliahan Tgl.Revisi : 23-06-2010 Tgl. Berlaku : 23-06-2010 Statistik & Probabilitas Halaman

Lebih terperinci

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar belakang

BAB I PENDAHULUAN. 1.1 Latar belakang BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan

Lebih terperinci

Pemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process

Pemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi

Lebih terperinci

PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)

PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA) Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

Peubah Acak (Lanjutan)

Peubah Acak (Lanjutan) Learning Outcomes 13 April 2014 Learning Outcomes Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 4 BAB II LANDASAN TEORI Teori yang ditulis dalam bab ini merupakan beberapa landasan yang digunakan untuk menganalisis sebaran besarnya klaim yang berekor kurus (thin tailed) dan yang berekor gemuk (fat

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan

Lebih terperinci

PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION

PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI

Lebih terperinci

Ukuran Statistik Bagi Data

Ukuran Statistik Bagi Data Ukuran Statistik Bagi Data 1.1 Parameter dan Statistik Dalam statistika dikenal istilah populasi. Populasi merupakan kumpulan objek yang merupakan objek pengamatan kita. Deskripsi dari populasi tersebut

Lebih terperinci

MODEL PREDIKSI DENGAN BINOMIAL POISSON INAR(1) DAN TRINOMIAL POISSON INAR(2)

MODEL PREDIKSI DENGAN BINOMIAL POISSON INAR(1) DAN TRINOMIAL POISSON INAR(2) Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 36-41 MODEL PREDIKSI DENGAN BINOMIAL POISSON INAR(1) DAN TRINOMIAL POISSON INAR(2)

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 24 III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran diperlukan untuk memperjelas penalaran sehingga sampai pada jawaban sementara atas masalah yang telah dirumuskan. Dalam upaya pencapaian

Lebih terperinci

E-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:

E-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN: E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja

Lebih terperinci

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Banjir merupakan salah satu bencana yang sering melanda beberapa daerah di Indonesia khususnya pada daerah dataran rendah seperti Jakarta, Bekasi, Semarang, Padang

Lebih terperinci

DAFTAR ISI LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...

DAFTAR ISI LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI... DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

Lebih terperinci

Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif 1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log II. TINJAUAN PUSTAKA Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log Normal Menggunakan Metode Generalized Moment digunakan beberapa definisi, dan teorema yang berkaitan dengan

Lebih terperinci

BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG. Pembimbing 1. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si.

BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG. Pembimbing 1. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si. BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG Pembimbing. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si. Program Studi Statistik, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

METODE SCAN STATISTIC MODEL BINOMIAL DENGAN PENDEKATAN STATISTIK AREA KECIL MAULANI

METODE SCAN STATISTIC MODEL BINOMIAL DENGAN PENDEKATAN STATISTIK AREA KECIL MAULANI 1 METODE SCAN STATISTIC MODEL BINOMIAL DENGAN PENDEKATAN STATISTIK AREA KECIL MAULANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 29 2 RINGKASAN MAULANI.

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak STK511 Analisis Statistika Pertemuan 3 Sebaran Peluang Peubah Acak Beberapa Konsep Dasar Percobaan statistika: kegiatan yang hasil akhir keluarannya tidak diketahui di awal, tetapi kemungkinan-kemungkinannya

Lebih terperinci

METODE PENELITIAN. Waktu dan Tempat Penelitian

METODE PENELITIAN. Waktu dan Tempat Penelitian METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Desember 2004 sampai dengan September 2005 di empat lokasi Taman Nasional (TN) Gunung Halimun-Salak, meliputi tiga lokasi

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Pertumbuhan ekonomi Indonesia yang semakin meningkat dan dikuti oleh majunya pemikiran masyarakat dalam usaha perniagaan membuat maraknya usaha asuransi akhir-akhir

Lebih terperinci

SEJARAH PERKEMBANGAN STATISTIKA DAN APLIKASINYA

SEJARAH PERKEMBANGAN STATISTIKA DAN APLIKASINYA Forum Statistika dan Komputasi, April 2003; p:1-7 lssn 0853-81 15 Vol 8. No.1 SEJARAH PERKEMBANGAN STATISTIKA DAN APLIKASINYA Sony Sunaryol), Setiawan", Anik Djuraidahl), Asep Saefuddin*) 1) Dosen pada

Lebih terperinci

BAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.

BAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal. BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir

Lebih terperinci